腾讯云国际版 TI-ONE 实战：19 种节点真实单价、自购 CVM 与平台代购的价差结构、GPU 虚拟化边界与七个部署陷阱全解析（2026）

Meta Description: 2026 腾讯云国际版 TI-ONE：19 种节点单价、8 卡 V100 35.058 USD/h、自购 CVM 软件费 98.47 USD/月、仅新加坡地域，含七个部署陷阱。

关键词：腾讯云国际版、TI-ONE、大模型训练平台、模型训练、在线推理服务、开发机、Notebook、任务式建模、GPU 虚拟化、T4、V100、PNV5b、软件费、资源组、RDMA、vLLM、新加坡、计费、成本优化

前言（先给结论）：腾讯云国际版的 TI-ONE（产品 ID 1141） 是一个「大模型训练 + 推理」的一站式平台：开发机（Jupyter / VS Code / SSH）、任务式建模（DDP / MPI / Horovod / PS-Worker / Ray）、在线服务（0.1 卡粒度、弹性伸缩、流量切分）、模型广场（混元 + DeepSeek 等），一条链路全覆盖。听起来是把 GPU 那堆脏活包了，但它有四个必须先认清的前提，否则预算和工期都会跑偏：① 国际站的可用地域只有新加坡一个——文档里到处出现的 ap-guangzhou、ap-shanghai 域名是中文站残留，照抄一定连不上；② 它有两种买法，价差结构完全非线性——平台代购 19 种节点规格按秒计费，自购 CVM 加节点只收「软件费」但只覆盖 2 种规格；③ 同样的 GPU，多卡节点不一定更便宜：1 张 T4 的 8C32G 节点 1.09 USD/h，4 张 T4 的 180C452G 节点 6.6606 USD/h，折算单卡 1.665 USD——比买 4 台单卡机贵 52.8%；V100 更极端，2 卡节点折算单卡 3.0039 USD，4 卡节点却要 4.57275 USD，贵 52.2%；④ GPU 虚拟化（0.1 卡粒度）在国际站只支持 T4，而且节点必须在建资源组时就落在支持虚拟化的型号上，事后补不了。一句话选型：短期试验与超参搜索用平台代购按量 + 0.1 卡虚拟化；长期稳定负载先算「697.23 USD/月」这条自购 CVM 的盈亏线；多卡节点下单前一定先除以卡数，官方价目表里「多卡更贵」是常态而不是例外。

声明：本文价格与规则数据采集于 2026 年 10 月，取自腾讯云国际版官方文档（TI-ONE，产品 1141：产品概述、计费总览、产品定价、购买模式、欠费说明、开发机介绍、创建实例、空闲回收策略、任务式建模概览、创建任务、分布式训练指南、在线服务介绍/部署/调用、资源组管理、GPU 虚拟化、模型广场、内置训练镜像列表、自定义 LLM 部署教程、子账号与权限配置等页面）。所有单价均为美元（USD），仅供参考——实际价格随地域、活动与汇率变动，请以官网实时价格与您的实际账单为准。文中「月」一律按 730 小时折算，凡由小时价推算出的月价、每核/每卡折算价、盈亏平衡点，均为本文推算值而非官方报价，已在对应位置标注。

一、先划边界：TI-ONE、自建 GPU CVM、TKE GPU 节点池、直接调 API

这四个东西经常被混着比价，但它们的差别不在「有没有 GPU」，而在谁替你管调度、你为闲置付不付钱、以及你能不能拿到 0.1 卡的粒度。

一句话：自建 CVM 是「租机柜」，TI-ONE 是「租训练流水线 + 租推理网关」。TI-ONE 帮你省掉的是调度器、镜像、环境变量注入、推理网关、弹性伸缩、监控日志这一整套工程，代价是你放弃了对底层机器的登录权（这一点在第 8 节会成为硬约束）。如果你已经在用 GPU CVM 跑训练，机型与选型对比见 腾讯云国际版 GPU 云服务器 AI 训练与渲染选型，通用机型见 腾讯云国际版 CVM 实例选型指南；如果已经在 K8s 上，GPU 节点池的调度方式见 腾讯云国际版 TKE GPU 节点池调度实战。

二、地域只有一个：新加坡（以及文档里三个「假地域」）

这是国际站 TI-ONE 最容易被忽略的硬事实。资源组管理文档写得很直白：「Supported regions of TIONE: Singapore.」 也就是说你只能在新加坡地域创建资源组、添加 CVM 节点、跑训练和推理。

但官方文档里有三处互相矛盾的残留，踩过的都知道有多浪费时间：

1. 在线服务调用的 curl 示例域名是 https://ms-9j-1005.gw.ap-guangzhou.ti.tencentcs.com/...——ap-guangzhou 是广州，国际站没有；
2. 自定义 LLM 部署教程里的示例是 https://ms-gp6rjk2jj-.gw.ap-shanghai.ti.tencentcs.com/...——ap-shanghai 是上海，国际站也没有；
3. 而国际站控制台实际给的地址形如 ...gw.<你的地域>.ti.tencentcs.com。

结论很简单：调用的 host 一律从控制台「服务调用」页面复制，不要从文档示例里抄。文档示例是从中文站翻译过来的，域名没洗干净。

另外还有一个正在路上的变更：一部分老服务的域名还是 apigw.tencentcs.com（形如 service-94**g0-130662.gz.apigw.tencentcs.com:80/tione/v1/models/m:predict），官方已经在公告里说明该 API 网关产品即将停止服务**，届时这种调用方式不可用，建议尽快换新地址或新建服务做迁移。如果你是 2024—2025 年建的老服务，这一条要单独排查。

三、两种买法：平台代购 vs 自购 CVM 加节点

TI-ONE 的计费把「机器钱」和「软件钱」拆开了，这个拆分是所有价差分析的起点。

三条必须记住的规则：

1. 平台代购是「按秒计费、按小时出账」。官方原文：计费单位 USD/second，费用在购买时冻结、按小时扣，可随时买、随时释放。所以理论上跑 3 分钟的任务只花 3 分钟的钱——但注意在线服务启动时会冻结 2 小时的费用（见第五节），余额不够会启动失败。
2. 自购 CVM 路线下，TI-ONE 只收软件费。官方明确：「TI-ONE only charges for the software, the computing power will be used on the machines you have already purchased.」机器是你自己的 CVM，续费、退订、开票、降配都在 CVM 那边走。
3. 部分 CVM 机型支持「关机不收费」。CVM 关机后，对应的 TI-ONE 软件费停止计费，节点状态切成 Exception；重新开机后几分钟自动回到 Running 并开始计费。官方也提醒：CVM 可能因为资源不足而开机失败——这一点在包年包月机器上不痛，在按量机器上会让你「以为省了钱，其实机器起不来了」。

四、19 种节点规格的真实单价（附每核、每卡折算）

这是本文最核心的一张表。官方只给了「型号 / 规格 / 单价 / 支持模块」，但做预算真正需要的是每核单价和每卡单价——因为官方价目表在这两个维度上并不单调。

4.1 CPU 节点：9 种

从这张表能读出两个不那么直觉的结论：

• 每核最便宜的不是最小规格，而是 24C48G（0.0477 USD/核/h）；最贵的是 16C64G 和 32C128G（0.0762 / 0.0761）。同样跑纯 CPU 的数据预处理，选 24C48G 比选 16C64G 便宜 37%。
• 内存扩容的单价极其不一致。把 8C16G 升到 8C32G，多 16 GB 要多付 0.114 USD/h，折 0.007125 USD/GB/h；16C32G 升到 16C64G，多 32 GB 要多付 0.414 USD/h，折 0.012938 USD/GB/h；32C64G 升到 32C128G，多 64 GB 只多付 0.362 USD/h，折 0.005656 USD/GB/h。最高与最低差 2.29 倍。结论：不要按「核数 × 线性」或「内存 × 线性」做预算，一定要按整机型号比价。

4.2 GPU 节点：10 种

这张表里藏着一个反直觉的「坑」和一个真正的「漏」：

坑：T4 多卡节点单卡更贵。 单卡 8C32G 是 1.09 USD/h；2 卡 90C226G 折算 1.6626 USD/卡；4 卡 180C452G 折算 1.66515 USD/卡。也就是说用 4 台单卡机（4 × 1.09 = 4.36 USD/h）跑 4 张 T4，比买 1 台 4 卡节点（6.6606 USD/h）便宜 34.5%。原因不是折扣，是那台 4 卡节点塞了 180 核 —— 你被迫为用不上的 CPU 付钱。如果任务用不到几十个核，多卡 T4 节点没有任何经济性。

漏：V100 的 2 卡节点是全表最便宜的 V100 算力。 折算 3.0039 USD/卡/h，比单卡节点便宜 36.9%，比 4 卡节点便宜 34.3%，比 8 卡节点便宜 31.5%。反过来看更刺激：用 4 台 2 卡机（4 × 6.0078 = 24.0312 USD/h）凑出 8 张 V100，比直接买 1 台 8 卡机（35.058 USD/h）便宜 31.4%。而 4 卡节点（折算 4.57275 USD/卡）恰恰是全表最贵的 V100 形态——比 2 卡节点贵 52.2%。价目表在 4 卡这一档出现了明显的非单调跳变，下单前务必自己除一遍。

注意：如果模型必须走 RDMA 多机加速，官方要求「资源组里至少 2 个支持 RDMA 的高性能 GPU 节点」，并且任务配置 ≥2 节点、每节点 8 张全空闲卡时平台才会默认挂 RDMA 资源。也就是说「4 台 2 卡机省 31%」这条路走的是普通以太网 DDP，带宽换成本，二者不能既要又要。

五、自购 CVM 的盈亏线：697.23 USD/月

自购 CVM 路线只收软件费，官方给了两张表、四条报价：

两个盈亏平衡点（本文推算，按 730h/月）：

• GN7（1×T4）：包月 98.47 ÷ 按量 0.2 = 492.35 小时/月，约 20.5 天。也就是说这台开发机/推理节点每月开机超过 492 小时，包月才划算；低于这个数就走按量软件费。
• PNV5b（8 卡）：包月 278.88 ÷ 按量 4.34 = 64.3 小时/月，约 2.7 天。这个差距极端到反常——8 卡 PNV5b 的按量软件费折算月成本 3,168.20 USD，是包月价的 11.4 倍。如果你要自购 8 卡 PNV5b 上 TI-ONE，几乎不存在选按量的理由。

再往上算一层，和「平台代购」对比：

• 平台代购 1×T4 的 8C32G 是 1.09 USD/h，730h 折算 795.70 USD/月（含机器）；
• 自购 CVM 路线月成本 = CVM 月价 + 98.47；
• 两者相等时，CVM 月价必须低于 697.23 USD。低于这条线，自购便宜；高于这条线，平台代购便宜，而且你还不占用资金、不用管续费。

这个数字是整个决策的核心。注意它只对 T4 成立——因为官方软件费价目表只覆盖 2 种规格（GN7.2XLARGE32 与 PNV5b.8XLARGE96）。剩下 17 种节点规格你只能走平台代购。如果你手上的 CVM 是别的机型想接进来，先确认它在不在这个两张表里，否则不是「贵一点」，而是「根本没有这个买法」。

六、GPU 虚拟化：只有 T4，且必须在建组时就对

0.1 卡粒度是 TI-ONE 相对自建 CVM 最实在的优势之一——尤其做小模型推理、Embedding 服务、或者给算法同学开共享开发机时。但国际站的边界很窄：

• 支持的 GPU 型号：T4（官方原文就是一行「T4...」，并注明其他型号会陆续上线国际站）。 V100 / A100 / PNV5b 目前没有这个能力。
• 使用前提：先建资源组、把 CVM 以节点形式加进去，然后在创建开发机、任务式建模任务、在线服务时，如果所选资源组里含有支持虚拟化的 GPU 型号，资源配比处可以选择 0.1～1 张卡之间的任意值。
• 最隐蔽的一条：如果建资源组时加进来的节点是「当时还不支持虚拟化」的 GPU 型号，那么即使平台后来支持了该型号，这个资源组里的这台机器依然用不了虚拟化；而且你不能直接把节点移到别的资源组，只能「从原资源组移除 → 重新加到新建的资源组」。
• 在线服务侧也有同样的粒度能力，官方描述是「支持为服务分配最小 0.1 张 GPU 卡」。

所以如果你打算用虚拟化，顺序必须是：先确认型号支持 → 再建资源组 → 再加节点。反过来操作，唯一解法是拆了重建，而这会触发第 8 节的第一条陷阱（重装系统、清数据）。

七、实战：从开发机到在线服务的完整链路

平台的功能边界可以用一条链路概括：权限 → 存储 → 开发机 → 训练任务 → 在线服务 → 调用。每一段都有官方约定好的路径和参数，照着写，比踩一遍坑快得多。

7.1 权限：先授权服务角色，再分子账号

• 用根账号首次登录 TI-ONE 控制台，系统会提示创建服务角色并授权，点「去授权 → 同意授权」完成。原因很实际：TI-ONE 在训练/推理过程中要调 COS、CFS、TCR、CLS、VPC、CVM、EMR、TCOP 等一堆产品的 API，不授权就是「创建任务时莫名失败」。
• 子账号走 CAM。三个预置策略够用：
• QcloudTIONEFullAccessContainMultiservice：TI-ONE 全读写 + 关联产品权限，给平台管理员；
• QcloudTIONEResouceGroupFullAccessContainMultiservice：TI-ONE 只读 + 平台管理模块读写（含下单），给资源管理员；
• QcloudTIONEReadOnlyAccessContainMultiservice：全只读，给只看不管的人。
• 更细的（比如「能建训练任务但不能建推理服务」）必须写自定义策略。

7.2 存储：COS / CFS / CFS Turbo / EMR(HDFS)

创建任务时，存储路径支持三类：COS（选桶和路径）、CFS 或 CFS Turbo（选文件系统 + 源目录）、EMR(HDFS)（选集群 + 源目录）。每一行都可以单独指定「容器内挂载路径」，在代码里就按这个路径读。

EMR(HDFS) 有个 Kerberos 细节：平台默认用 hadoop 身份挂载；换身份要把 username.txt 和 emr.keytab 按 <emr_id>/ 目录结构打进代码包，平台支持同时认证多个 EMR（目录名形如 emr-1rnhggsh）。

7.3 开发机：三种接法 + 空闲回收

开发机的形态是「Notebook 模块升级版」（2025 年 2 月 25 日 Notebook 正式升级为 Dev Machine），支持 Jupyter Notebook、VS Code 两种内置 WebIDE，也支持 SSH 远程连接，还能关联 Git 仓库做协作与版本控制。生命周期脚本可以在创建/启动实例时跑预置 shell，用于装依赖——这比每次进 Notebook 手敲 pip install 靠谱得多。

空闲回收策略务必配，这是最容易白烧钱的地方。规则是：管理员按地域配「回收策略」+「排除策略」，回收条件可以选 CPU 使用率、内存使用率、显存使用率，逻辑关系可选 any（任一满足即停）或 all（全部满足才停）。官方给的示例是：

CPU ≤ 10% 或 内存 ≤ 10% 或 显存 ≤ 10%，且持续超过 1 小时 → 实例自动停止、释放算力。

触发后实例状态变 Stopped，鼠标悬停会提示「Idle instance has triggered automatic stop and has stopped automatically」。排除策略按实例名过滤，被排除的实例即使满足条件也不会被强停。

算一笔账：一台 8×V100 的开发机（35.058 USD/h）如果周五下班忘了关，周一上班才发现，62 小时 = 2,173.6 USD。这就是一条回收策略的价值。

7.4 训练任务：/opt/ml 目录约定 + 环境变量注入

任务式建模是向导式提交，几个关键约定必须记：

平台会自动注入分布式训练的环境变量，你不用自己算 IP：

• DDP：NODE_LIST / INDEX / MASTER_ADDR / MASTER_PORT / WORLD_SIZE / RANK / GPU_NUM / GPU_NUM_PER_NODE，RANK=0 是 Master（负责存模型）。启动命令官方给的就是标准写法：

python -m torch.distributed.launch \
  --nproc_per_node $GPU_NUM_PER_NODE \
  --nnodes $WORLD_SIZE \
  --node_rank $RANK \
  --master_addr $MASTER_ADDR \
  --master_port $MASTER_PORT

• MPI / Horovod：注入 OMPI_MCA_orte_default_hostfile（/etc/mpi/hostfile）、GPU_NUM、GPU_NUM_PER_NODE、NODE_IP_SLOT_LIST；Horovod 的启动命令只在 Launcher 实例上执行，Worker 被设成 sleep infinity 等着。
• PS-Worker：注入 TF_CONFIG，里面是 ps/worker 的完整地址表。
• Ray：注入 HEAD_ADDR、HEAD_PORT（默认 6379）、RANK；最多可配 5 组 Worker。

Ray 有两个专属坑：① 小数核会被向下取整——Ray 按整数资源调度，配 0.7 核会被取整成 0，任务直接跑不起来；② TI-ONE 的 GPU 分片调度遇上 Ray 会被当成整卡——0.2 张 GPU 在 Ray 的 Worker 里要按 nums_gpu=1 来申请。另外 Ray 当前看不到 TensorBoard。

内置镜像的框架能力也不一样，选之前对一眼（节选）：

也就是说：想用最新的 tilearn-llm 加速，就只能 DDP；要 MPI/Horovod 得退到 torch1.9 镜像。这一点在「必须多机多卡 + 必须新框架」的场景里是硬冲突。

任务侧还有两个成本相关的开关：Auto Restart（最多 10 次，超出直接标异常，且只支持包年包月 + MPI/DDP/Horovod），以及CLS 日志投递（默认关，控制台只留 15 天日志；要长期留存必须开投递到 CLS，CLS 单独计费——计费口径见 腾讯云国际版 CLS 日志服务实战）。

7.5 在线服务：端口 8501、模型挂到 /data/model

在线服务的部署模式分「标准部署」（单副本 1 节点）和「多机分布式部署」（单副本多节点协同）；创建后不能改部署方式，也不能在更新服务/加新版本时改，选错只能重建。

机器来源两种：选资源组（算力钱已在 CVM 里付过，起服务不再扣算力费）或从 TI-ONE 购买（启动时冻结 2 小时算力费，之后按实例数逐小时扣）。

模型来源三种：CFS 路径、COS 路径、镜像内置。这里有三条必须背下来的约束：

1. 推理服务的端口限制为 8501，只接受 HTTP 的 POST 请求。
2. 平台会把 CFS/COS 源路径下的模型文件（含子目录）放到服务实例的 /data/model 目录，所以代码和数据不能放 /data/model，否则会被平台覆盖。
3. 官方给的 LLM 部署范例是 vllm/vllm-openai:latest，而 vLLM 原生的 Entrypoint 监听的是 8000、模型从 /root/.cache/huggingface 读。落地方法不用重做镜像，只要把启动命令改成：

python3 -m vllm.entrypoints.openai.api_server \
  --model /data/model \
  --served-model-name Qwen2-7B-Instruct \
  --max-model-len=2048

--max-model-len=2048 不是可选项：Qwen2-7B-Instruct 原生支持 128K，不限制的话 vLLM 初始化 KV Cache 会直接把显存吃穿。

官方文档在这里自相矛盾：正文写「Reasoning online service port is limited to 8501」，但同一篇教程的配置步骤又写「Advanced setting > Port：改成 8000」。实测以页面上的 Port 字段为准——它允许你显式指定端口，把 vLLM 的 8000 填进去是可行的；但如果你不走这个字段，默认只放通 8501。安全做法：启动命令里显式加 --port，并在「高级设置 > 端口」填同一个值。

显存配置的官方建议（按参数量选卡）：

7.6 调用：公网网关 or 私网 Private Link

部署完成后平台会自动注册 API 网关，生成公网地址，在「服务调用」页拿 SERVER_URL。开鉴权的话要带 Authorization（用 ApiAppKey / ApiAppSecret 算签名）：

curl -H "content-type: application/json" \
  ${SERVER_URL}/v1/completions \
  -d '{"model":"Qwen2-7B-Instruct","prompt":"hello","max_tokens":50,"temperature":0}'

加 "stream": true 就是 SSE 流式返回。对延迟和稳定性要求高的走私网高速调用：在「服务调用 → 高速服务调用」里绑定 VPC 和子网，平台通过 Private Link 在你的 VPC 里建终端节点——终端节点单独计费，且一旦启用对该地域所有服务生效。

八、七个部署陷阱

① 加节点会重装系统，原数据全清。 把 CVM 交给 TI-ONE 管理时，平台会重装系统盘，CVM 上以及挂载的数据盘上的原有数据全部清空；之后你不再有登录权限，TAT 也用不了。官方原话是「如果你登录并操作实例，须承担 TI-ONE 服务异常或终止等全部后果」。动手前必须备份，没有例外。

② 盘必须 ≥100 GB，否则节点根本加不进去。 没有数据盘时系统盘要 ≥100 GB；有数据盘时数据盘要 ≥100 GB。达不到的直接后果是拉不到 TI-ACC 和 LLM 镜像，机器选不进部署。官方建议：先挂数据盘，再加节点。

③ 安全组规则预留数量，官方自己写了两个数。 正文说「一个安全组默认最多 100 条规则，请为 TI-ONE 预留 2 条」；附录的风险提示却写「最多 100 条入站 + 100 条出站，需为 TI-ONE 预留 5 条入站和出站规则」。按大的那个（5 条）准备。 同时 TI-ONE 会放通 9.0.0.0/8 和 100.127.0.0/16，节点在用时不能删这两条规则，否则机器会工作异常。

④ 模型包大小有三个口径：45 GB / 50 GB / 110 GB。 同一篇部署文档里：按量模式本地盘约 45 GB；包年包月（资源组）单节点磁盘约 50 GB（「存储挂载」段）；而「模型热更新」段又说资源组单节点盘约 110 GB。按最小的 45 GB 规划，超了就上 CFS。 另外两个细节：服务停止或更新时，平台默认会清理 CFS 源路径下的文件，该路径不要放别的东西；模型热更新目前只支持 tfserving 推理镜像，且必须配清理策略或外挂 CFS，否则会把盘写满。

⑤ 服务的 QPS 上限是 500，且按「每副本 × 副本数」再封顶。 限流值配的是单副本值，扩容时整体限流 = 设定值 × 副本数；但单个服务组最高 500 QPS，超过就按 500 截断。也就是说「5 副本 × 200 = 1000」的规划是无效的，实际每副本只分到 100。要做高 QPS 只能多开服务组做分流。

⑥ 欠费只给 2 小时。 余额和冻结金额变负起算：2 小时内按量节点/训练推理资源可继续使用并继续计费；2 小时后自动回收、停止计费。包年包月的软件费则在到期前 7 天开始发到期提醒（邮件 + 短信给创建者、全局资源协作者、财务协作者），没开自动续费且到期未续的节点会被释放且无法找回。

⑦ 节点有 9 种状态，其中 3 种会让你以为「挂了」。 Deploying（初始化中）、Failed to deploy（部署失败）、Running（可用）、Releasing / Released（释放中/已释放）、Exception（异常，含关机不收费）、Unused（不再使用）、Mounting（挂载数据盘中，1～2 分钟）、Fixing（自动修复中）。看到 Exception 先别慌，很可能只是 CVM 关机触发了「关机不收费」；Mounting 期间节点上跑的任务和服务会被终止。另外：资源组只有在没有节点处于 Running / Deploying / Exception / Releasing / Fixing / Mounting 状态时才能删除。

九、成本模型：三个必须记住的数字

把前面的推导收敛成三条可直接用于决策的结论：

1. 697.23 USD/月 —— 1×T4（8C32G）自购 CVM 与平台代购的盈亏分界线。你的 CVM 月成本低于它，自购划算；高于它，平台代购划算（且不占资金）。推导：平台代购 1.09 × 730 = 795.70，减去软件费 98.47。
2. 492 小时/月 —— GN7 软件费「包月 vs 按量」的分界线（98.47 ÷ 0.2）。低于 492 小时走按量。而 8 卡 PNV5b 的分界线只有 64.3 小时（278.88 ÷ 4.34），几乎必然选包月。
3. 4 台 2 卡 V100 ≈ 别买 8 卡机 —— 4 × 6.0078 = 24.0312 USD/h 凑 8 张 V100，比 8 卡节点 35.058 USD/h 便宜 31.4%；代价是没有 RDMA，只能走普通以太网 DDP。反过来，多卡 T4 节点（180C452G 那台）比 4 台单卡机贵 52.8%，除非你真的需要 180 个核。

再补两个「按秒计费」的真实感数字：1.09 USD/h 折 0.000303 USD/秒；8 卡 V100 跑满一个月（730h）是 25,592.34 USD。所以「随手开一台 8 卡机调两天」和「随手开一台 8 卡机调两周」，中间差的是一台车的钱。

总结

TI-ONE 的定价模型拆开看只有两句话：平台代购 = 软件 + 机器打包，按秒计费；自购 CVM = 只付软件费，机器钱走 CVM 账单。 所有复杂度都在边界上——地域只有新加坡、软件费只覆盖 2 种规格、虚拟化只有 T4 且不能事后补、加节点必重装系统、盘必须 ≥100 GB、端口 8501 与 8000 文档打架、模型包 45/50/110 GB 三个口径、QPS 500 封顶、欠费 2 小时回收。

记住三个数字就够了：697.23（自购 CVM 的月成本分界线）、492（GN7 软件费包月的小时分界线）、31.4%（4 台 2 卡 V100 比 1 台 8 卡机省下的比例）。选型时先把这三个数字算一遍，比读十篇产品介绍有用。

延伸阅读：

• 腾讯云国际版 GPU 云服务器 AI 训练与渲染选型
• 腾讯云国际版 CVM 实例选型指南
• 腾讯云国际版 Data Lake Compute（DLC）实战：CU 单价与账单陷阱
• 腾讯云国际版按量与包年包月计费实测对比
• 腾讯云国际版成本优化与架构选型实战

🚀 需要腾讯云国际版 TI-ONE 的选型建议与专属折扣？ 无论是给一套 7B/14B/72B 的微调任务配「几卡、哪种节点、包月还是按量」、把现有 GPU CVM 接进资源组还是干脆走平台代购、在线服务该开几个副本才能顶住 QPS 500 的天花板，还是核算「开发机 + 训练 + 推理」三段加起来的月度预算——我们都能按你的模型规模、数据量、并发画像与合规要求，给出规格组合、成本模型与迁移步骤。新加坡地域的开通、CVM 机型匹配、软件费口径确认，也可以一起处理。

本文由 4.chengzicloud.cloud 提供，点击访问首页了解更多。